| # Importaci贸n de las bibliotecas necesarias | |
| from huggingface_hub import from_pretrained_fastai | |
| import gradio as gr | |
| # Identificador del repositorio en Hugging Face donde est谩 almacenado el modelo | |
| repo_id = "luis56125/news" | |
| # Cargar el modelo preentrenado desde Hugging Face | |
| learner = from_pretrained_fastai(repo_id) | |
| # Definir las etiquetas de clasificaci贸n disponibles | |
| labels = ['Mundo', 'Deportes', 'Negocios', 'Ciencia/Tecnolog铆a'] | |
| # Definir una funci贸n para predecir la categor铆a de un texto dado | |
| def predict(text): | |
| # Obtener las probabilidades de las etiquetas desde el modelo | |
| probs = learner.predict(text)[-1] | |
| # Devolver un diccionario que mapea cada etiqueta a su probabilidad correspondiente | |
| return {labels[i]: float(probs[i]) for i in range(len(labels))} | |
| # Crear una interfaz de usuario para el modelo utilizando Gradio | |
| gr.Interface(fn=predict, inputs="text", outputs=gr.components.Label(num_top_classes=4)).launch(share=False) | |